anchor（锚框）就是“RPN 在特征图上预先放好的一组固定大小、固定长宽比的矩形框模板”，用来**“捞”出可能包含物体的区域。
一句话理解：
anchor ≠ 最终候选框，它只是“初始滑窗”，网络会在此基础上学出真正的框。
anchor ≠ 最终候选框，它只是“初始滑窗”，网络会在此基础上学出真正的框。
-
长什么样
对每个空间位置（i, j）默认放 k 个 anchor：-
3 种面积：128²、256²、512²（像素）
-
3 种比例：1:1、1:2、2:1
共 3×3＝9 个。
例：在 (50, 60) 这一点，9 个 anchor 中心都是 (50, 60)，但宽高不同。
-
-
怎么用
-
分类分支：给每个 anchor 打分，判断“有没有物体”（前景/背景）。
-
回归分支：预测 4 个偏移量 (Δx, Δy, Δw, Δh)，把 anchor 微调成更贴边的框。
-
-
结果
一张图生成 ~20k 个 anchor → 经打分 + 回归 + NMS → 剩下约 300 个高质量候选区域。
-
注意
-
anchor 是人工设计的常量，训练前一次性算好，不随网络更新。
-
真正可学习的是“对 anchor 的偏移”和“前景/背景分数”。
-
一句话总结：
anchor = 固定模板，RPN 的任务就是“选模板 + 调模板”，从而快速变出可能包含物体的候选框。
anchor = 固定模板，RPN 的任务就是“选模板 + 调模板”，从而快速变出可能包含物体的候选框。